Modelamiento del pronóstico de la demanda eléctrica diaria del sistema eléctrico interconectado nacional utilizando técnicas de MACHINE LEARNING

• Autor: García Fernández, Leonardo Brain
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/21832
• Enlace del recurso: http://hdl.handle.net/20.500.14076/21832
• Nivel de acceso: acceso abierto
• Materia: Demanda de energía eléctrica; MACHINE LEARNING; Sistema Eléctrico Interconectado Nacional; Teoría de Resonancia Adaptativa (ARTMAP Fuzzy); https://purl.org/pe-repo/ocde/ford#2.02.01

Esta tesis desarrolla un modelo computacional para pronosticar la demanda eléctrica peruana a corto plazo, basado en la comparación del desempeño entre dos metodologías, las cuales utilizan las redes neuronales de la Teoría de Resonancia Adaptativa (ARTMAP Fuzzy) y el modelo Neuro-Fuzzy (ANFIS), técnicas pertenecientes al Machine Learning (ML) y aplicado al Sistema Eléctrico Interconectado Nacional (SEIN). Además, el contenido de la tesis propone la metodología de pre-procesamiento del conjunto de datos históricos como alternativa para mejorar el desempeño en los resultados presentados. Los diferentes escenarios desarrollados en el pronóstico de demanda incluyen los años 2019 y 2020, donde las metodologías de las redes neuronales buscan la mejor opción en términos del error porcentual medio absoluto (MAPE). Finalmente, los resultados de la comparación propuesta plantean la sugerencia de actualizar el procedimiento técnico 03 (PR03), metodología propuesta por el Comité de Operación Económica del Sistema Interconectado Nacional (COES).